Biblioteca 795493

Prévia do material em texto

ESTATÍSTICA
AULA 12: VARIÁVEL ALEATÓRIAS DISCRETAS
1
Analisar o conceito da distribuição de probabilidade de uma variável aleatória discreta;
Calcular a esperança matemática;
Identificar o modelo binomial e encontrar probabilidades associadas a tal modelo;
Identificar o modelo Poisson e encontrar probabilidades associadas a tal modelo.
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
Estrutura de Conteúdo
Estatística
2
Uma variável aleatória é uma variável quantitativa, cujo resultado (valor) depende de fatores aleatórios. A palavra “aleatória” aparece para indicar que, a cada possível valor da variável, atribuímos uma probabilidade de ocorrência. 
Uma variável aleatória X representa um valor numérico associado a cada um dos resultados de um experimento aleatório. Matematicamente, variável aleatória é uma função que associa elementos de um espaço amostral a valores numéricos.
 
Existem dois tipos de variáveis aleatórias: as discretas e as continuas.
As variáveis aleatórias discretas assumem valores em um conjunto enumerável e as variáveis aleatórias contínuas assumem valores em qualquer intervalo dos números reais.
Variável Aleatória
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
3
Variáveis discretas podem assumir apenas determinados valores, e resultam de uma contagem, como, por exemplo:
Quantidade de valores de uma moeda: 1;5;10;50;100
Quantidade de sabores de refresco: tangerina, laranja, maracujá...
 
As variáveis contínuas são aquelas cujo conjunto de valores possíveis é um intervalo de números reais, resultante de uma medição em qualquer grau de precisão, como ,por exemplo:
Duração de uma bateria de telefone celular: 60h, 46h 37min 12s ou 39h 13min (dependendo do tipo de bateria ou da sua utilização).
Variável Aleatória
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
4
Se uma variável aleatória X pode assumir um conjunto discreto de valores x1, x2, ..., xn, com probabilidades p1, p2, ..., pn, respectivamente sendo p1 + p2 + .... + pn = 1, diz-se que está definida uma distribuição de probabilidade discreta de x. 
Suponhamos a experiência aleatória de lançar duas moedas simultaneamente. O espaço amostral é: S = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} 
Se definirmos a variável aleatória discreta “Total de Faces Caras”, a distribuição de probabilidades desta variável consiste no conjunto de valores possíveis que ela pode assumir e suas probabilidades associadas, ou seja: 
 X 0 	1	2	
	 __________________,	onde Σ f(xi) = 1
F(x) 	1/4	2/4	1/4 	
 
A função f(x), que assume os valores p1, p2, ..., pn, é chamada de função de densidade de probabilidade, ou simplesmente função de probabilidade da variável x.
Distribuição de Probabilidade Discreta
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
5
O conceito de esperança matemática surgiu de jogos de azar. 
Se X representa uma variável aleatória discreta, assumindo valores x1, x2, ..., xn, com probabilidades p1, p2, ..., pn, respectivamente sendo p1 + p2 + .... + pn = 1, a esperança matemática é definida por: 
E(x) = p1x1+ p2x2 + ... + pnxn = Σ pixi 
Para ilustrar a aplicação do conceito acima, vejamos o seguinte exemplo: a probabilidade da empresa alfa ganhar uma concorrência é 3/5. Na hipótese de perder a concorrência, ela terá um prejuízo de R$100.000,00. No caso de vencer, ela terá um lucro de R$1.000,000,00. A esperança matemática da empresa será:
E(x) = (1.000.000,00) (3/5) + (-100.00,00) 92/5) = 560.000,00
 
	
Esperança Matemática de uma Variável Aleatória Discreta
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
6
Seja p a probabilidade de um evento acontecer em uma tentativa única (sucesso) e q = 1 – p é a de que o evento não ocorra em qualquer tentativa única (insucesso). Então, a probabilidade do evento ocorrer exatamente X vezes, em N tentativas é dado por:
		 ( N )	 ( N )
	P (X = K) = ( ) pK . qn – K , sendo ( ) ,
 ( K )		 ( K ) 
Denominado número binomial e é obtido pela fórmula:
n! / {(K! (n – K!)} 
Esse número indica o número de maneiras de obter k sucessos em n tentativas, independentemente da ordem.
Modelo Binomial
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
Para a identificação de uma distribuição binomial, tornam-se necessárias as seguintes características:
 
Uma experiência que consiste em um número finito de tentativas repetidas, cada uma das quais tendo apenas dois resultados (sucesso e insucesso);
As tentativas repetidas são independentes, isto é, o resultado de uma não afeta os resultados das sucessivas; 
As probabilidades do sucesso e do insucesso são conhecidas e não se modificam durante a experiência.
 
Para ilustrar o exemplo acima, vejamos a seguinte situação: a empresa Beta produziu um lote de peças do produto X. Considerando que a probabilidade da peça ser perfeita e com defeito é a mesma. Ao se retirar seis peças para inspeção, qual a probabilidade de obter exatamente duas dessas peças com defeito?
Nesse caso, K = 2 e N = 6, então: P(X = K) = {6! / (2!) (6 – 2)!} {(1/2)6 (1/26 – 4) = 0,0146
Modelo Binomial
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
A distribuição de Poisson é aplicada a fenômenos raros e é frequentemente usada para modelar o número de ocorrências de um evento por um certo período de tempo. 
Podemos considerar, por exemplo, número de chamadas recebidas por uma central telefônica durante um período de uma hora. 
Na situação descrita, a variável aleatória consiste na contagem de resultados discretos que ocorrem em um meio contínuo (tempo, superfície ou volume). Essas variáveis podem assumir os valores 0, 1, 2, ..., e seu comportamento é descrito pela distribuição de Poisson, cuja função distribuição de probabilidade é:
	P (X = K) = Eλ λK / K!
 
O símbolo λ é a letra grega lambda, que é usada como parâmetro para a chamada distribuição de Poisson e a letra e é um número matemático especial aproximadamente igual a 2,71828.
Modelo de Poisson
AULA 12: VARIÁVEIS ALEATÓRIAS DISCRETAS
Estatística
CONTEÚDO DA PRÓXIMA AULA
Conceitos básicos de Testes de Hipóteses;
Comparação entre duas médias.
10